[发明专利]基于轻量级神经网络的烟雾检测方法、系统、介质和设备

权利要求书

1.一种基于轻量级神经网络的烟雾检测方法，其特征在于，包括：

获取烟雾图像并对烟雾图像进行预处理，得到数据集、测试样本集和训练样本集；

建立轻量化神经烟雾检测模型，并利用所述训练样本集对轻量化神经烟雾检测模型进行训练，得到训练后的轻量化神经烟雾检测模型；

利用训练后的轻量化神经烟雾检测模型对测试样本集进行分析，得到检测值，所述检测值包括烟雾类别和烟雾坐标信息。

2.根据权利要求1所述的一种基于轻量级神经网络的烟雾检测方法，其特征在于，所述对烟雾图像进行预处理时，包括：

根据阈值切割法对采集到的初始图像进行裁剪，得到只含有烟雾部分的烟雾图像；

对多个烟雾图像中的烟雾部分进行标注，每个标注后的烟雾图像均生成一个包括图片名称和烟雾位置坐标的xml文件，一个xml文件为一个标签；

将所有的标签转换成txt格式文件和json格式文件作为数据集，从数据集中按照设定的比例抽取出图像作为训练样本集和测试样本集。

3.根据权利要求1所述的一种基于轻量级神经网络的烟雾检测方法，其特征在于，所述利用所述数据集对轻量化神经烟雾检测模型进行训练，得到训练后的轻量化神经烟雾检测模型时，包括：

加载预训练权重文件，对烟雾检测模型初始化；其中预训练文件为历史累积训练参数；

将所述训练样本集输入至初始化的烟雾检测模型进行训练，输出预测烟雾边界框坐标和真实烟雾边界框坐标，并产生损失函数loss；

返回损失函数loss，并根据梯度下降法更新训练参数，进行迭代运算；

迭代运算达到预设的迭代次数后，停止训练，得到轻量化神经烟雾检测模型。

4.根据权利要求1所述的一种基于轻量级神经网络的烟雾检测方法，其特征在于，所述轻量化神经烟雾检测模型包括骨干网络特征提取模块、多尺度特征融合模块和分类回归模块；

所述利用轻量化神经烟雾检测模型对测试样本集进行分析，得到检测值时，包括：

输入测试样本集中的图像至骨干网络特征提取模块，依次经过一个Unit2下采样单元，多个Unit1基础单元，得到的输出特征与Unit2下采样单元的输出实行一次拼接操作，然后经过通道混洗模块得到多个特征图；

多尺度特征融合模块接收到多个特征图后，利用侧向连接的方式，通过1×1卷积和上采样单元将多个特征图的通道数和长宽调整为与输出尺寸相同，将得到的多个输出特征图相加聚合，得到聚合特征图；

利用分类回归模块将聚合特征图输入到区域候选网络中，生成锚框，以锚框的尺寸作为先验框通过边框回归预测，得到烟雾边界框坐标。

5.一种基于轻量级神经网络的烟雾检测系统，其特征在于，包括

图像采集模块，用于采集图像信息；

图像预处理模块，用于对采集到的图像信息进行预处理，得到数据集、测试样本集和训练样本集；以及

轻量化神经烟雾检测模型，用于对输入的图像信息进行分析，得到检测值，检测值包括烟雾类别和烟雾坐标信息。

6.根据权利要求5所述的一种基于轻量级神经网络的烟雾检测系统，其特征在于，所述轻量化神经烟雾检测模型包括：

骨干网络特征提取模块，用于获取多个特征图；

多尺度特征融合网络模块，用于将多个特征图进行融合，生成聚合特征图；以及

分类回归模块，用于根据聚合特征图得到最终预测的烟雾边界框坐标。

7.根据权利要求5所述的一种基于轻量级神经网络的烟雾检测系统，其特征在于，所述图像预处理模块包括：

图像剪裁单元，根据阈值切割法对采集到的初始图像进行裁剪，得到只含有烟雾部分的烟雾图像；

文件生成单元，对每个标注后的烟雾图像均生成一个包括图片名称和烟雾位置坐标的xml文件，一个xml文件为一个标签；

样本集生成单元，用于将所有的标签转换成txt格式文件和json格式文件作为数据集，从数据集中按照设定的比例抽取出图像作为训练样本集和测试样本集。